基于卷积神经网络的动物识别算法研究

《基于卷积神经网络的动物识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文基于卷积神经网络的动物识别算法研究作者姓名袁东芝工程领域电子与通信工程校内指导教师余卫宇副教授校外指导教师吴中堂高级工程师所在学院电子与信息学院论文提交日期2018年5月ResearchonAnimalRecognitionAlgorithmBasedonConvolutionalNeuralNetworkADissertationSubmittedfortheDegreeofMasterCandidate：YuanDongzhiSupervisor：Vice-Prof.Yu.WeiyuAssociate：SeniorEngineerWuZhongtangSou

2、thChinaUniversityofTechnologyGuangzhou,China分类号：TP183学校代号：10561学号：201521010305华南理工大学工程硕士学位论文基于卷积神经网络的动物识别算法研究作者姓名：袁东芝指导教师姓名、职称：余卫宇副教授吴中堂高级工程师申请学位级别：工程硕士工程领域名称：电子与通信工程论文形式：□产品研发□工程设计√应用研究□工程/项目管理□调研报告研究方向：图像处理与模式识别论文提交日期：2018年05月31日论文答辩日期：2018年06月02日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：傅予力教授委员：李

3、波副教授、向友君副教授、唐杰副教授、周斯宁高级工程师摘要随着移动设备的发展，人手一个手机乃至多个手机已经成为不再稀奇的事情了，而手机上的应用也是琳琅满目。伴随着移动设备的高速更新迭代，人工智能也在同时期高速发展。为了开发出一款便捷的移动端动物识别应用软件，本文利用卷积神经网络，进行了移动终端上动物图像识别的研究。本文对已有的神经网络结构进行改良，提出了一些图像处理算法的改进，并且通过结合传统图像处理方法和卷积神经网络对动物图像进行训练，最终在移动终端神经网络框架上实现移植。本文的主要成果和创新点包括：（1）对数据集平衡算法SMOTE算法进行研究，提出了一种改进的边缘增强SMOT

4、E算法。动物主要是位于图像正中央，为了增强数据集新样本的背景多样性，本文提出了一种变化权值的边缘环境增强SMOTE算法，增加环境信息混合，不影响对象混合，并利用DenseNet121卷积神经网络对该算法进行平衡前后的斯坦福大学犬类数据集进行实验，识别率为85.31%，比文献提高了将近10%。（2）对目前卷积神经网络进行深入研究，提出了一种基于MobileNet网络改进的MobileNet-Beta新网络模型。最终通过多个网络实验对比得出DenseNet模型在识别率上优异于MobileNet等轻量型模型，但其在识别速度和模型参数大小上却劣于MobileNet等模型。为了在移动终端

5、上应用高性能识别，提出了MobileNet-Beta的模型，在AWA2数据集上实验比MobileNet的准确率提升了2.86%，比MobileNetV2提升了1.27%。（3）本文首先验证了混合特征SISURF比起单独的SIFT和SURF特征实验效果更加优异，提出了利用混合特征显著图对神经网络进行预训练的深度学习训练方法，通过使用SISURF特征提取到的特征图对网络进行预训练，然后再对原图进行二次训练，最后由实验结果得知，通过使用SISURF特征显著图进行预训练的方法，在平衡的AWA2数据集上识别率提升了1.31%，而在平衡的犬类数据集上识别率提升了0.88%。（4）利用移动终

6、端开源框架NCNN，通过并行网络逻辑判断结果输出，在安卓移动终端上进行模型移植。本文在移动终端加载的三个训练好的模型（MobileNet、MobileNetV2和MobileNet-Beta网络），并且对模型并行输出的结果进行最终的逻辑判断，最后产品的测试识别率为95%。关键词：动物图像识别；卷积神经网络；合成少数类过采样技术算法；混合SISURF特征；移动终端深度学习IAbstractWiththedevelopmentofmobiledevices,itisnolongerasurprisetohaveamobilephoneorevenmultiplemobilephon

7、es.Theapplicationonmobilephonesisalsodazzling.Alongwiththehigh-speedupdateiterationsofmobiledevices,artificialintelligenceisalsorapidlydevelopingatthesametime.Inordertodevelopaconvenientmobileterminalanimalidentificationapplicationsoftware,thispape